Suciati, Elvi (2026) Optimasi Model Resnet50 dengan Bayesian dalam Klasifikasi Penyakit Tanaman Padi. Diploma thesis, Universitas Islam Indragiri.
![[thumbnail of 403221010083_Elvi Suciati_01_Cover_Abstrak_Pengesahan.pdf]](https://repository.unisi.ac.id/style/images/fileicons/text.png "403221010083_Elvi Suciati_01_Cover_Abstrak_Pengesahan.pdf") |
Text
403221010083_Elvi Suciati_01_Cover_Abstrak_Pengesahan.pdf Download (1MB) |
|
Text
403221010083_Elvi Suciati_02_Pendahuluan.pdf Download (590kB) |
|
Text
403221010083_Elvi Suciati_03_Bab1.pdf Download (255kB) |
|
Text
403221010083_Elvi Suciati_04_Bab2.pdf Download (623kB) |
|
Text
403221010083_Elvi Suciati_05_Bab3.pdf Download (772kB) |
|
Text
403221010083_Elvi Suciati_06_Bab4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
403221010083_Elvi Suciati_07_Bab5.pdf Download (241kB) |
|
Text
403221010083_Elvi Suciati_08_Pustaka_Lampiran.pdf Download (1MB) |
|
Text
SKRIPSI ELVI SUCIATI SI 39%.pdf Download (3MB) |
Abstract
Penyakit tanaman padi merupakan salah satu penyebab menurunnya produktivitas hasil panen sehingga diperlukan metode identifikasi yang cepat dan akurat. Identifikasi secara manual masih bergantung pada pengamatan visual yang memerlukan waktu dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan mengoptimalkan model ResNet50 menggunakan Bayesian Optimization untuk meningkatkan performa klasifikasi penyakit tanaman padi serta mengimplementasikannya ke dalam aplikasi Android. Penelitian menggunakan metode eksperimen kuantitatif dengan dataset sebanyak 4.000 citra daun padi yang terdiri atas empat kelas, yaitu Healthy, Bacterial Leaf Blight, Brown Spot, dan Narrow Brown Spot. Tahapan penelitian meliputi preprocessing data, pengembangan model ResNet50, optimasi hyperparameter menggunakan Bayesian Optimization, pelatihan dan evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score, serta implementasi model ke dalam aplikasi Android berbasis TensorFlow Lite. Hasil penelitian menunjukkan bahwa Bayesian Optimization mampu meningkatkan performa ResNet50 sehingga menghasilkan klasifikasi yang lebih akurat dan stabil dibandingkan sebelum optimasi. Model yang telah diimplementasikan pada aplikasi Android mampu mengidentifikasi penyakit daun padi secara cepat melalui kamera atau galeri serta menampilkan informasi hasil klasifikasi. Dengan demikian, model yang dikembangkan dapat menjadi solusi praktis untuk membantu deteksi penyakit tanaman padi di lapangan.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi Penyakit Tanaman Padi, Convolutional Neural Network (CNN), ResNet50, Optimasi Bayesian, Android |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi |
| Depositing User: | Nilam Sari |
| Date Deposited: | 28 Sep 2026 08:07 |
| Last Modified: | 28 Sep 2026 08:07 |
| URI: | http://repository.unisi.ac.id/id/eprint/1257 |
Actions (login required)
 |
View Item |